模型连接外部世界的协议与实践：MCP 生态、function calling、工具链集成的动态。
Mintlify 把 AI 文档助手的检索方式从向量 RAG 换成了 ChromaFs——一套用数据库查询模拟 grep、cat、ls 的假文件系统。AI 以为自己在一个真实的文件系统里翻文档，实际上每个命令都被拦截翻译成 Chroma 查询。效果是会话启动时间从沙箱方案的 46 秒压到 100 毫秒，每次对话的边际计算成本几乎为零。按他们月均 85 ...
推荐理由：Mintlify 这篇工程博客写得很实在，没有吹概念，而是把方案和取舍摊开来讲。核心思路是把文档页映射成“文件”、章节映射成“目录”，让模型用熟悉的命令行工具去探索，背后实际是数据库查询。效果很直观：启动时间从 46 秒砍到 100 毫秒，边际计算成本接近零。我会先打个折——这个方案强依赖文档本身有清晰的层级结构，正文也承认不适合无层级知识库，所以别把它当成万能 RAG 替代品。但它的真正价值不在省钱，而在检索范式的切换：不是把资料塞给模型，而是让模型自己动手翻。这点对正在折腾 agent 检索链路的人，比单纯跑分更有启发。
Anthropic 把 Microsoft 365 连接器开放给了所有 Claude 付费套餐，不再只限高价版本。你可以把 Outlook 邮件、OneDrive 文档和 SharePoint 文件直接拽进对话里，让 Claude 帮你翻邮件、总结文档或从公司资料库里找东西。帖子确认了覆盖范围和对接的应用，但没提权限边界怎么划、管理员要不要额外配置、有...
推荐理由：这是一条中等体量的 Claude 产品更新：Anthropic 把 Microsoft 365 连接器铺到所有方案，改变了 Outlook、OneDrive 和 SharePoint 的实际接入范围。HKR 三项都踩中，但正文没披露价格、权限边界、地区限制和管理后台条件，所以只能放在 featured 低段。我会先打个折——全量放开比加新功能更值得盯，但缺的信息让人没法判断企业能不能直接推。
Karpathy 的做法是把原始资料扔进一个叫 RAW 的文件夹，让大模型自动生成摘要、索引、概念页、相互链接和可视化图表，最终形成一个本地 Markdown Wiki。之后可以直接在这个 Wiki 上提问，模型会查索引、读相关文档再给出回答或生成新文件、网页甚至 PPT，并把输出存回知识库。他特别提到 AI 生成的内容会污染语料，要把可信来源和 AI...
推荐理由：HKR-H 和 HKR-R 都站得住，因为 Karpathy 这种级别的从业者公开自己的本地 Wiki 工作流，本身就自带讨论度，而且他点出的“AI 生成内容会污染库，最好跟可靠来源分开”是个很实际的痛点。HKR-K 靠的是 RAW→LLM→摘要/索引/互链这条具体管线，但正文没披露用了什么模型、资料规模多大、自动化脚本怎么写，所以知识增量卡在中等偏上，分数停在 76 合理。
Gemma 4 一口气发了四个版本：E2B 给手机和 IoT 用，E4B 给移动端和 Jetson/树莓派，26B MoE 每次只激活 3.8B 参数、延迟低吞吐高，31B 全密集版适合桌面或单卡 H100。这次把 agent 工作流当第一优先级，原生支持函数调用、JSON 输出和系统指令，还直接能处理图像、视频和语音转文本，可以做本地语音助手。全部用...
推荐理由：谷歌发 Gemma 4 是一次有分量的开源模型更新。HKR 三项都成立：26B MoE 只激活 3.8B 的部署弹性够抓人，四个规格和商用许可给了新事实，成本敏感场景的参考价值也明确。分数定在 81 是因为基准、上下文窗口和测试细节都没披露，我会先打个折，这点先别太激动。
Claude 把电脑操控能力带到了 Windows 上，覆盖 Cowork 和 Code Desktop 两个入口。正文只发了一句话和一条链接，没提支持哪些 Windows 版本、权限怎么管、操作延迟多少、要不要额外付费，也没说什么时候正式推送。对想在 Windows 上跑桌面 agent 的人来说，现在只能知道功能有了，但稳定性和实际跑起来怎么样，这...
推荐理由：Claude 把 computer use 能力从非 Windows 平台扩到了 Windows，标题就这一句事实。正文没披露支持哪些 Windows 版本、权限怎么隔离、操作延迟多少、要不要加钱、什么时候正式上线，这些才是决定能不能在生产环境用的关键。我会先打个折：桌面代理在 Windows 上的稳定性边界还没给可复现条件，别急着全量上。分数维持 74，因为这是官方更新，但信息密度只够确认可用性，离评估还差一截。
OpenAI 把 ChatGPT 的语音模式搬进了 CarPlay，iPhone 用户升级到 iOS 26.4 以上就能在车里用。正文没提支持哪些国家、哪些车型，也没说功能有没有阉割，比如能不能连续对话、能不能读长文章。这次动作的重点是把对话入口塞进驾驶界面，不是发了新模型。
推荐理由：这次更新更像是一次分发渠道的扩展，而不是模型本身有什么变化。ChatGPT 出现在 CarPlay 里，意味着它开始抢占车载语音交互的位置，这点比功能细节更值得关注。不过正文没披露地区、车型和功能限制，实际落地范围还得再观察，先别太激动。
Micro1 这家公司雇了 50 多个国家的几千名零工，让他们把 iPhone 绑在头上，拍自己叠被子、洗碗、做饭的视频，再把这些真实动作数据卖给做人形机器人的公司。一个尼日利亚的医学生时薪 15 美元，在当地算高收入，但他觉得每天重复熨衣服很无聊。文章说 2025 年人形机器人拿到的投资超过 60 亿美元，机器人公司每年花在买这类数据上的钱超过 1 ...
推荐理由：这篇我会放进 featured。在家拍家务视频这个画面本身就够抓人，而且文章给出了规模、薪酬和支出的具体数字，不是空谈。更值得盯的是它把一条隐藏的数据管线摊开了：工人知道视频是给机器人训练用的，但正文没披露这些数据怎么存、跟谁共享、能不能删。这种治理上的模糊，比融资数字更说明行业现在还处在野蛮生长阶段。
黄仁勋在播客里解释了英伟达现在为什么要搞“极端协同设计”——因为单颗 GPU 已经不够用了。你想让一万台计算机跑出百万倍的加速，就不能只堆硬件，得把算法拆开、把模型和数据切碎（分片），让网络、交换、存储、供电、散热全部配合起来。否则受制于阿姆达尔定律，计算部分再快，整体也只快一点点。他还提到自己直接管 60 多个人，几乎全是工程背景，分别盯着内存、CP...
推荐理由：这是一手访谈，黄仁勋把 NVIDIA 的竞争逻辑讲得很清楚：不再拼单卡，而是拼整机柜甚至数据中心的协同设计。他提到 60 多个直接下属、1 万台计算机的扩展目标，以及 Amdahl 定律带来的实际限制，信息密度高。我会先打个折，因为这是播客分析，不是新产品发布或人事变动，但作为理解 NVIDIA 战略的入口，值得从业者花时间看。
OpenAI 把“造一个全自动 AI 研究员”定成了接下来几年的北极星目标。首席科学家 Jakub Pachocki 跟 MIT Technology Review 聊了分两步走的计划：今年 9 月先搞一个“AI 研究实习生”，能独立啃一小批特定研究问题；2028 年再上完整的多智能体自动化系统。但正文没披露这个系统要怎么评估产出靠不靠谱、打算烧多少算...
推荐理由：HKR-H 落在“全自动研究员”这个具体到能让人立刻理解野心的钩子上，HKR-K 靠两个可验证的时间节点撑住信息量，HKR-R 则抓住了研究岗位替代和实验室军备竞赛这两条从业者最关心的线。没给 must-write 是因为正文没披露评测标准、算力预算和研究范围，目前只能算一个强路线信号，离可验证产出还有距离。
AGENTS.md 是给 AI 助手预载的指令文件，但别把它写成项目地图。有研究指出，塞进技术栈、关键文件路径这类信息反而会拉低表现，还让 token 消耗多出 20%——这些东西模型自己翻翻代码就能搞清楚。更好的做法是只保留你的行为偏好和纠偏提示，比如“生成网页前先用内置浏览器测一下再给我链接”、“把计划文件统一写到 ~/项目名/plan/ 里”。文...
推荐理由：这篇讲的是怎么把 AGENTS.md 写小、写干净。核心判断很明确：别往里面塞技术栈和文件地图，只保留行为偏好，否则效果会变差，成本还能多出 20%。这个 20% 的数字来自一项研究，但正文没披露研究名称和实验设置，所以我会先打个折来看。可执行的部分挺实在，比如把 AGENTS.md 和 CLAUDE.md 做 symlink、用条件块区分简单网页和复杂应用、按文件夹动态加载，都是能直接抄作业的做法。对经常跟 coding agent 打交道的人来说，这比“多写点上下文”的直觉有用得多，本质是把常驻指令压到最小，减少每次调用的无效消耗。信息缺口在于...
这期播客请了安全专家余弦和“龙虾”老玩家知县，把OpenClaw的风险拆成了几个层级：刚装上时，Agent能读你当前用户能看的本地文件；开始聊天后，对话内容会传到模型服务器，别发密钥密码；让它读写文件干活时，大模型可能理解错意思，误删误改文件，最常见的是把自己“改死”；操作浏览器时，你已登录的账号信息它都能拿到，访问恶意链接也会中招；安装Skill或软...
推荐理由：HKR 三项都踩中了：用具体机制讲一个热门 agent 的系统风险，不是抽象恐吓。文章引了约 250 条安全公告和 v3.2 默认限制，但本质还是播客评论，不是一手产品发布或研究，所以分数落在低段。
OpenAI 在 3 月 17 号推出了 GPT-5.4 mini 和 nano，都是给高吞吐、低延迟场景用的轻量模型。mini 在编程、推理、看图、调工具上都比上一代 GPT-5 mini 强，速度还快了一倍多。跑分上，mini 在 SWE-Bench Pro 拿到 54.4%，跟大哥 GPT-5.4 的 57.7% 差距不大，但延迟低很多，适合需要...
推荐理由：这是 OpenAI 官方模型发布，不是小修小补。我会先打个折：虽然叫 GPT-5.4 mini，但别当它是 GPT-5.4 的完整缩小版，更像是一个专攻编码和子代理任务的轻量选手。真正值得盯的是它用更低价格和更快速度，把 SWE-Bench Pro 拉到 54.4%，离大模型只差 3.3 个百分点——这点先别太激动，正文没披露其他基准的对比，不知道通用能力缩水多少。nano 更极端，只走 API，价格压到输入 0.20 美元，明显是给大批量、简单任务准备的。整体看，OpenAI 在推‘够用且便宜’的代理专用模型，对频繁调用代码工具的场景挺省钱。
OpenAI 跟五角大楼签了涉密协议刚过两周，MIT Technology Review 就划出了三个可能用到它家技术的场景。一是目标排序：分析师把潜在目标清单丢给模型，让它结合后勤、情报等数据排出优先打击顺序，但正文没解释人工复核到底怎么提速。二是反无人机分析：OpenAI 之前跟 Anduril 合作，用模型做实时威胁识别和拦截建议，不过两家都没更...
推荐理由：MIT Technology Review 把 OpenAI 的涉密国防合作往伊朗冲突上套，列出目标排序、反无人机分析和行政支持三个可能落点。我会先打个折：文章没给出部署时间表，也没实锤任何战场使用，所以判断要收着点。但选题本身踩在军事 AI 的敏感线上，加上 OpenAI 刚进涉密圈，这个时间点发出来，话题性够强。
2025年底到2026年初，无代码工具和开源个人助手 OpenClaw 出现，让生成式 AI 从爬直接变成了跑。加州 AB 316 法案在 2026 年 1 月 1 日生效，企业不能再把责任推给 AI 说“是它干的，我没批准”。IDC 受 Data Robot 委托的调查显示，96% 的生成式 AI 部署和 92% 的智能体部署都超了预算。真正的麻烦在...
推荐理由：这篇不是产品发布，而是用数据说话的评论。AB 316 把法律责任钉死了，IDC 和 Data Robot 的调查又说明成本失控是普遍现象，不是个案。文章没画大饼，反而把治理跟不上自治速度的风险摊开讲，对正在落地 agent 的团队有直接参考价值。
北京工程师 Feng Qingyang 一月份开始帮人安装 OpenClaw（一个能接管设备自主干活的开源 AI 工具），到二月底辞职，现在团队超过 100 人，已经接了 7000 单，每单约 248 元人民币。淘宝和京东上现在有几百个相关商品，价格从 100 到 700 元不等。这波热潮的核心不是技术本身，而是安装门槛高、数据隔离有风险，把开源工具变...
推荐理由：这篇不是产品发布稿，是扎实的现场观察。一个副业变百人团队的故事有传播力，市场定价和订单量给了硬数字，数据隔离风险又让行业里的人不得不重视。我会先打个折：正文没披露团队构成和 7000 单的统计口径，但整体信息密度够高，值得放在精选位。
OpenAI 在 2026 年 3 月 11 日说，他们的 Responses API 现在能调用一个 shell 工具，在托管的隔离容器里执行命令。模型（GPT-5.2 及之后版本）会自己提议该敲什么命令，API 负责在后台跑、把结果流式传回来，还能同时开多个会话并行处理。容器里带了文件系统、可选的 SQLite 和受限的网络访问。这相当于给模型配了...
推荐理由：这次更新把 Responses API 从“调工具”升级成“给模型一台隔离电脑”，shell 执行、流式输出、并行跑命令、上下文压缩都实装了，对 agent 开发者是实打实的新能力。正文后半段截断，定价、配额和完整安全边界都没写，所以实际落地成本和安全兜底还得等后续披露。
NVIDIA 和 Thinking Machines Lab 宣布了一项多年合作，核心是部署至少 1 吉瓦的 NVIDIA Vera Rubin 系统，目标明年年初上线，用来训练前沿模型和搭建可定制的 AI 平台。1 吉瓦这个数字很夸张，相当于一个大型核电站的发电量，说明这不是普通的云服务采购，而是直接锁定了一整座“算力电厂”的产能。合作还涉及基于 N...
推荐理由：1 吉瓦 Vera Rubin 承诺把这条合作从普通公关稿里拎了出来：H 靠规模，K 靠具名系统和部署时间，R 靠前沿算力竞争。没给 P1 是因为来源是厂商博客，投资金额、算力归属、分阶段细节正文都没披露，我会先打个折。
OpenAI 给 ChatGPT 加了一个学习功能：问勾股定理、理想气体方程这类问题时，它会直接弹出一个可拖拽的图表模块。你可以手动调参数、改公式，图表会跟着实时变，把抽象公式变成能上手试的东西。首批覆盖 70 多个数学和科学概念，所有付费和免费用户都能用。官方说每周有 1.4 亿人用 ChatGPT 学数学和科学，但正文没披露这个互动功能背后的模型、...
推荐理由：我会先打个折：这是个中等体量的产品更新，不是模型能力突破。钩子在于把抽象概念变成能动手玩的画面，对教学场景有直接吸引力。1.4 亿周活和 70+ 概念是实打实的数字，说明铺量已经很大。但正文完全没提模型怎么支撑这些交互、有没有做过学习效果验证，这点先别太激动。整体判断是产品化动作值得关注，技术深度和效果证据还缺位。
作者一周内看了十几个伊朗战争仪表盘，它们把卫星图、船舶追踪、AI 摘要和赌盘链接拼在一起，把战争变成了可以边吃爆米花边看的实时界面。一个由 a16z 员工搭建的仪表盘直接接入了 Kalshi 的下注数据，而调查记者 Craig Silverman 已经记录了 20 个类似的工具。问题出在信息质量上：英国《金融时报》报道过 AI 生成的虚假卫星图正在网上...
推荐理由：我会先打个折：这不是产品发布或模型突破，而是一篇有事实支撑的评论。H 靠战争面板加博彩这个钩子立住了，K 靠具体案例和数字撑起来，R 打中了从业者对 AI 信息质量和伦理的敏感神经。文章没给解决方案，但把问题摆得很清楚，所以放在 featured 合适。
OpenAI 发公告说要收购做 AI 安全测试的 Promptfoo，交易完成后会把它的技术整合到企业级平台 Frontier 里。Promptfoo 的工具现在有超过四分之一的财富 500 强公司在用，主要帮开发者在模型上线前做安全评估和红队测试，比如检测提示词注入、越狱、数据泄露、工具滥用这些风险。收购后，OpenAI 打算把自动化安全测试、红队演...
推荐理由：这条消息我会先打个折，因为收购价格和时间表正文都没写，没法判断交易规模和落地节奏。但 OpenAI 把一家已有大客户基础的评测工具直接收进 Frontier，对做 agent 的团队来说是个强信号——以后安全测试和红队评估可能变成平台自带能力，不用再外挂工具。这点先别太激动，等更多细节出来再看。